應(yīng)用神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點碳溫預(yù)報模型.pdf

1、煉鋼的主要任務(wù)是脫碳、升溫、調(diào)整鋼的成分和去除雜質(zhì)，生產(chǎn)出質(zhì)量高的鋼水。而轉(zhuǎn)爐冶煉過程中的不確定因素很多，是一個復(fù)雜的周期性降碳、升溫過程，針對這一過程建立的傳統(tǒng)的數(shù)學(xué)模型也不能得到令人滿意的結(jié)果。 人工神經(jīng)網(wǎng)絡(luò)具有較強的非線性問題處理能力，可實現(xiàn)實時應(yīng)用及在線響應(yīng)。針對轉(zhuǎn)爐煉鋼過程復(fù)雜，影響終點因素多，且難以進行連續(xù)準確測量的特點，本文提出了基于混合遞階遺傳RBF神經(jīng)網(wǎng)絡(luò)(HGA-RBF)的轉(zhuǎn)爐煉鋼終點預(yù)報模型。研究了RBF網(wǎng)

2、絡(luò)的特點，利用遞階遺傳算法克服了網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)選擇的隨機性問題，并結(jié)合最小二乘法提高收斂速度。在MATLAB編程環(huán)境下編程，仿真結(jié)果證明此算法在一定程度上提高了RBF網(wǎng)絡(luò)的優(yōu)化收斂速度和訓(xùn)練測試精度。 在建立神經(jīng)網(wǎng)絡(luò)模型的過程中，分析了影響轉(zhuǎn)爐吹煉終點的因素。對所有影響因素進行分析篩選。從降低維數(shù)、減少模型運算量方面考慮，剔除了部分變量。最后確定作為神經(jīng)網(wǎng)絡(luò)輸入變量的因素有：鐵水成分(C、Si)及溫度、鐵水量、廢鋼量、爐耗氧量